KLASIFIKASI EKSPRESI WAJAH PADA CITRA DIGITAL MENGGUNAKAN RESNET-50 BERBASIS WEB

Klasifikasi ekspresi wajah secara otomatis masih terkendala kondisi pencahayaan gelap dan kemiripan visual antarekspresi. Penelitian ini membangun sistem klasifikasi tujuh ekspresi wajah (Happy, Sad, Angry, Fear, Disgust, Surprise, Neutral) menggunakan ResNet-50 berbasis web dengan dataset RAF-DB sebanyak 15.339 citra. Tahap preprocessing meliputi resize 224 × 224 piksel, deteksi kecerahan dengan perceptual luminance, dan brightness adjustment pada citra gelap. Evaluasi dilakukan menggunakan confusion matrix, Macro F1-Score, serta ROC dan AUC. Konfigurasi terbaik diperoleh pada pembagian data 90:5:5 tanpa Weighted Random Sampler dengan learning rate 1 × 10⁻⁴ dan weight decay 1 × 10⁻⁴, menghasilkan akurasi 84,09% dan Macro F1-Score 0,7387. Pada penanganan pencahayaan gelap, penyaringan perceptual luminance dengan ambang 118 menghasilkan 7.703 citra gelap, dan brightness adjustment dengan nilai beta 30 memberikan akurasi tertinggi 75,65%, lebih baik dibanding beta 10 (75,39%) dan beta 20 (74,09%). Pada penanganan kemiripan ekspresi, akurasi yang diperoleh adalah 84,50% (Neutral vs Sad), 93,00% (Neutral vs Happy), dan 95,40% (Neutral vs Sad vs H